算法的时间复杂度是一个函数，它定量描述了该算法的运行时间，时间复杂度常用“O”表述，使用这种方式时，时间复杂度可被称为是渐近的，它考察当输入值大小趋近无穷时的情况
时间复杂度是用来估计算法运行时间的一个式子（单位），一般来说，时间复杂度高的算法比复杂度低的算法慢
print(‘Hello world‘) # O(1) # O(1) print(‘Hello World‘) print(‘Hello Python‘) print(‘Hello Algorithm‘) for i in range(n): # O(n) print(‘Hello world‘) for i in range(n): # O(n^2) for j in range(n): print(‘Hello world‘) for i in range(n): # O(n^2) print(‘Hello World‘) for j in range(n): print(‘Hello World‘) for i in range(n): # O(n^2) for j in range(i): print(‘Hello World‘) for i in range(n): for j in range(n): for k in range(n): print(‘Hello World‘) # O(n^3)
几次循环就是n的几次方的时间复杂度
n = 64 while n > 1: print(n) n = n // 2
26 = 64，log264 = 6，所以循环减半的时间复杂度为O(log2n)，即O(logn)
如果是循环减半的过程，时间复杂度为O(logn)或O(log2n)
常见的时间复杂度高低排序：O(1)<O(logn)<O(n)<O(nlogn)<O(n2)<O(n2logn)<O(n3)
空间复杂度：用来评估算法内存占用大小的一个式子
a = ‘Python‘ # 空间复杂度为1 # 空间复杂度为1 a = ‘Python‘ b = ‘PHP‘ c = ‘Java‘ num = [1, 2, 3, 4, 5] # 空间复杂度为5 num = [[1, 2, 3, 4], [1, 2, 3, 4], [1, 2, 3, 4], [1, 2, 3, 4], [1, 2, 3, 4]] # 空间复杂度为5*4 num = [[[1, 2], [1, 2]], [[1, 2], [1, 2]] , [[1, 2], [1, 2]]] # 空间复杂度为3*2*2
定义一个或多个变量，空间复杂度都是为1，列表的空间复杂度为列表的长度
原文：https://www.cnblogs.com/liudaya/p/12996479.html